Scribd Logo
Upload

Welcome to Scribd!

  • Probabilités 033703

    Uploaded by

    yvetteadagbe547
    3 views11 pages

    Original Title

    Probabilités_033703

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    3 views11 pages

    Probabilités 033703

    Uploaded by

    yvetteadagbe547

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 11
    PROBABILITE I DENOMBREMENT 1°) C -mbI fl ments de cet ensemble, On On appelle cardinal d’un ensemble fini A le nombre des note Card A. Exemple : Soit A = {1,2,3, a,b} Card A= 5 Le cardinal de l"ensemble vide est nul. Propriétés + Soient deux ensembles finis A et B queleonques, on a: Card (AUB) = card A + card B - card (ANB) © SiACB===> card AS card B 2°) Dénombrement des applications d’un ensemble fini A dans un ensemble fini 3 Une application définie de A dans B est une fonction telle qu’a tout élément de A os associé un et un seul élément de B. Nombre d’applications Soient A et B deux ensembles finis de cardinaux respectifs card A = p et card B =n, avecp >1,n21. Le nombre total des applications de A dans B est égal a n?. Exercices 1-Combien peut-on former de nombres de quatre (04) chiffres dans le systéme binaire ? 2-On lance sept fois une piéce de monnaie. A chaque lancer, elle présente le cdté « pile » ou le c6té « face ». De combien de facons différentes peut-on, a priori, énoncer le résultat éventuel des sept lancers successifs ? F F P F P P F est l'une de ces fagons. Résolution 1- Le systéme binaire est formé de deux chiffres. 0 et 1 C’est le nombre d’ application d’un ensemble de cardinal 7 vers un ensemble de cardinal 2. Nombre de ces applications NZ = 2’ = 128 Nombre des applications injectives de A et B(arrangement) * Une application f définie de A dans B est injective si tout élément de B a au plus un antécédent dans A. Finjective <--> (x, x”) € A x A, fx) = f(x?) ===> x=" * Le nombre total des applications injectives de A dans B est le nombre noté AP = n(n- 1) (n-2) ...... (p+). Onlita,np n>p. A® = Ipar convention. Nombre de bijections d’un ensemble fini A dans un ensemble fini B de méme cardinal(permutation) | Toute injection d’un ensemble fini A de cardinal n dans un ensemble fini B de méme cardinal est une bijection. Ainsi donc le nombre d’applications bijectives de A dans A est “An =n (n-1) (n-2)...x2 x 1=n! i ie emple : 6! = 6*Se4+3-2x1 = 720 1 factorictle n.Exemple : 6! © 6 S*4 2 | 3 ie sr Nombre de parties a p éléments dun ensemble de néléments (0 suivant, Dans ce cas, p est quelconque. Le nombre de tirages est: N3= nP : Exercices : I. On considére une salle de cours composée de 30 étudiants dont 12 filles. 1°) Quel est le nombre de choix possibles de trois (03) personnes au hasard ? 2) On veut élire un bureau composé dun (01) président, un (01) secrétaire et un (01) trésorier. Quel est le nombre de bureaux possibles 2 a) Sans distinction de sexe, b) Avec distinction de sexe, ©) Une présidente, d) Une présidente et une trésoriére. 3°) On veut former une délégation de 10 membres dont trois (03) filles, Que délégations possibles ? Lest le nombre de H-On considére un jeu de 32 ca comprend 8 cartes, On appelle cartes. 1°) Combien y a-t-il de mains distinctes ? 2°) Combien y i-t-il de mains comprenant : 4) deux as et deux seulement ? b) deux tréfles et deux dames ? artes réparties en quatre couleurs, chaque couleur main tout groupement de 8 cartes choisi dans ee jeu de 32 ©) Trois cartes rouges Il- PROBABILITE SUR UN ENSEMBLE FINI SES ABILITE SUR UN ENSEMBLE FINI 1)Défini Soit une expérience aléatoire E, ensemble @ de tous les résultats possibles de cette expérience est appelé univers, On le supposera fini ~ Toute partie de Q est appelée évenement, ~ Toute partie singleton est appelée ‘événement élémentaire. ~ @, ensemble vide est Pévénement impossible. 2°)Terminologie couramment uti e Langage probabitiste Langage ensembliste - Evénements ~ Elements de P(Q) - Evénement impossible - 0 (ensemble vide) 'vénement certain -2 ~ Evénement élémentaire ~ Singleton de P(Q) ~ Evénement contraire de A -A= Ch ~ Evénements incompatibles A et B ~ Act B de P(Q) avec ANB = 6 ~ Evénement A ou B -AUB -Evénement Aet B -ANB 1- Axiomes du caleul des probabilités a°) Définition : Soit Q un univers fini. On appelle probabilité sur l'ensemble probabilisable (©, PQ), tune application p de P(Q2) dans I"intervalle [0, 1] vérifiant les conditions suivantes : + PQ)=1 * VA EP(Q), vB € P(Q), si ANB =O alors p(AUB) = p(A) + p(B) Le triplet (Q, p(Q), p) est appelé espace probabilisé fini. b°) Propriétés *Pour A € P(Q), ona ANA=6 P(A UA) = p(Q) = 1 = pA) + pi p(A) = 1- p(A) fa somme des probabilités des événements contraires est égale a Punité. Dans la théorie des probabilités cette propriété joue un grand rdle. Il arrive souvent qu'il soit plus fecile de caleuler la probabilité de lévénement contraire A que celle de Pévenement A qui nous intéresse. Alors, on calcule p(A) pour la retrancher de 'unité, Conséquences P)=0 P(Q) = p(D) = 1- p(Q) =0 “Si A et B sont deux événements tels que AC B B=AU@B-A) et AN(B-A)=9 P(B) = p(A) + p(B-A) P(A) < p(B) V(A,B) € P(Q) x PQ) si ACB alors. p(A) < p(B) fini. A et B deux, of tous | pace probabi si p(A) = p(B). Dans le de P(Q) sont équiprobables, on VAEPQ) p(A) = (A) = Rombredecasfavorablesdea pe nombredecaspossibles On dit que p est une probabilité uniforme E On jette un méme probabilité dappari + Lenombre | - Unnombre impair - Unnombre au moins égal 3 Il- PROBABILITE CONDITIONNELLE (QU LIEE) - THEOREME DES PROBABILITES COMPOSEES arfait A six faces numérotées de | a 6. Tous les numéros ont done la n. Quelle est la probabilité d’obter 1. Définition Soit A et B deux événements compatibles et de probabilités non nulles p(A) > 0, p(B) > 0. La probabilité de réalisation de l’événement B, sachant que l’événement A est réalisé, s‘appelle fa probabilité conditionnelle (ou liée) de B par rapport @ A et se note : p[B/A] ou pa(B). 7 para = PeAnB: Elle est égale a p(B/A) = "7 2- Théoréme des probabilités composées La probabilité de réalisation simultanée de deux événements A et B est égale au produit de la probabilité de A par la probabilité de B, sachant que A s°est déja produit. Les événements A et B sont donc compatibles. P(ANB) = p(A). p(B/A) 3- Indépendance en probabilité ou Evénements indépendants On dit que deux événements compatibles A et B sont indépendants lorsque la réalisation de l'un n’a pas d’influence sur celle de l’autre. + Théoréme Etant donné deux événements A et B de probabilités non nulles, ona : (ANB) = p(A). p(B) <===>p(B/A) = p(B) <=> p(A/B) = p(A) Exercices :s. On considére les événements On tire une carte au hasard dans un jeu de 52 ¢ suivants : est le roi de coeur fe est un cour Fc est soit Pas de pique, soit un coeur est un pique ou un cazur. : 1) la probabilité des événements A, B, C et D. 2) la probabilité des intersections suivantes : ANB, ANC et AND. 3) la probabilité des réunions suivantes : AUB, AUC et AUD. 4) les probabilités conditionnelles suivantes : A sachant que B est réalisé A sachant que C est A sachant que D est réali: ‘Théoréme de Bayes (a deux causes) Considérons deux causes indépendantes C, et C2. . Considérons les probabilités 1 et 1 & priori d’apparition de ces causes. p(Ci) = m1 et p(C2) = m2. - Considérons un certain résultat R . i Considérons les probabilités p, pour que la cause C; entraine R et pz pour que la cause Calculer Cp entraine R. On a: pe)(R) = pi pe2(R) = pa . , . La probabilité posteriori p; (i = 1, 2) pour que la cause C; (i = 1, 2) soit celle qui a provoqué le résultat R est : (CH. pei(R) PR(Ci) = Fey pe, (R)+ DCs). Poy) Application Schéma des urnes Soient deux urnes 1 et u; contient une proportion p; de boules blanches et une proportion qi = 1- pi de boules noires. up contient une proportion p2 de boules blanches et une proportion q2= 1- p de boules noires. On effectue un tirage en deux étapes : 1°) On choisit au hasard une des urnes u; avec une probabilité p(u)) probabilité p(u2) = m2 avec m+ m2 = 1. 2°) Dans 'urne choisie qui demeure inconnue, on préléve au hasard une boule. Supposons qu’elle soit blanche. On démontre que la probabilité pour que la boule blanche B 7 et up avec une provienne : = de Purne u, est pa(ur ue Po(u) Pit mp2 - de Pure uzest —— ig €st pp(Uz) = —— B ) Pit Mp2 Théoréme de Bayes 4 n causes fet un résultat I, La probabilité pour que ta Onn causes ci, i> 1, soit celle qui a provogue le rest 1, al Rest PLEO Pe) Paci) TC) 1. Definition On appelle épreuve de Bernoulli toute épreuve qui conduit a deux éventualités, Tune appel s (s) et Pautre chee (e) que Mon répéte n fois de suite dans tes mémes conditions, Si la probabilité de réalisation de (s) est p(s) = p, celle de (e), p(e) roy «pour Soit Ay Pévenement "le succes est obtenu k fois lors des épreuves”, la probabilité pou que Ay soit est PEAY = Ch pM-p)"* Exercice a ’ Les faces dun dé parfait sont marquées 2, 2, 2, 2, 3, 3. On jette cing fois de suite ce dé. Quelle est la probabilité d’obtenir trois fois le chiffre 3. Resolution sect cing tole Soit (6) Ona une épreuve a deux issues (résultat du jet 2 ou 3) qu'on répéte cing fois. Soit (s) le résultat est "3" et (¢) le résultat est “2” : rs) 2 => pley=l-f=3 3 Soit Ay “obtenir trois fois le chiffre 3 lors de cing jets” 40 40 Oa ee V- LES VARIABLES ALEATOIRES A- Généralités 1+ Définition Soit une épreuve E et Q Punivers associé. L’application f de Q dans ensemble R des nombres réels fait correspondre a tout élément de 2 un nombre réel. L’application fest une fonction dont le nom est : variable aléatoire. 2. Probabilité d'une variable aléatoire Soit une variable aléatoire X, définie par une application f de Q dans R et pouvant prendre les valeurs X : X1,X25.++y Xiyeos Xne Par définition, la probabilité pour que la variable aléatoire X soit égale a x; (on note P(X = xi)) est Ia probabilité des éléments de Q ayant pour image dans l'application f le nombre x, B- Variable aléatoire discréte I~ Notation Soit X une variable aléatoire définie sur univers Q. Vx ER, on note (X = x) = {we O/ X(w) = x} (X Sx) = (we Q/ X(w) < x} X(Q) est "ensemble des valeurs pr yo X(Q) = {X(w) swe Exercice 1 (Q) = { X(@); @€.9} On tire deux boules simultanément d'un sec contenant cing boules blanches et trois boules noires. ale au nombre de boules noires ), card( On désigne par X ta variable aléatoi 1-Déterminer X(Q) ; card(X = 1), cardQ ), card(X <1), card(X > 2). Résolution Card(X = 3) = © événement impossible Card(X < 1) = card(X = 0) + card(X= 1) Une variable aléatoire X est totalement définie par sa loi de probabilité. Celle-ci est définie par : * Pensemble des valeurs que peut prendre X : x1, ¥: * les probabilités respectives de ces valeurs pi. Pa non négatives et de somme égale a 1. b- Définition X(Q) = (3, X25 ons Nn} AVEC XT SPS... Sat SK La loi de probabilité de X est l'application f: X(Q) — (0, 1] Xi f(Xi) = p(X = xi) p(X = xi) signifie “probabilité pour que la variable aléatoire X prenne la valeur x,". Dans la pratique, on présente la loi de probabilité sous forme d’un tableau [Xai Xa Peis Xt I x I I PL I Pe c+ Propriétés +p@= x)= 1 P= m4) + p= a) +. Les événements (X = xj) i= 1, 2, ..., n sont deux @ deux incompatibles, de plus leur réunion donne Q ; on dit qu’ils forment un systéme complet d’événements. Application : Déterminer la loi de probabilité de la variable aléatoire X de 'exercice 1. Réponse wp) 28 P(X=0)=55 c Xi P(X =x;) betel d- Diagramme en baton d’une variable aléatoire réelle probabilité est : |La probabilité pour que la variable aléatoire X prenne une valeur inférieure a x est une fonction F(x) appelée fonction de répartition de X que Pon note : F(X) = PEX S x} ou F(x) = P{X X¢ ou XE xy F(X) = pi + p2 + ps + pa Exercice 2 : Donner la fonction de répartition de la variable algatoire X dont la loi de P(X = xj) Représenter cette fonction. Résolution Soit F la fonction de répartition de la variable aléatoire X VX ER, F(x) =p(X 2 oux € [2; +00] Exercice 3 : Soit X une variable aléatoire dont ta loi de probabilité est : X20 1 2 30 4 5 p(X =x); E24 19508 \° 101010 10 10 ?) Calculer et représenter graphiquement la fonction de répartition de x : F(x) = p{X $x} 2°) Calculer les quantités p{X < 4,5}, p(X > 2}, p{2 5 2°) Caleulons la quantité - p(X <4,5} = p{X =0} + p{X= 1} + p(X =2} + p(X=3} + p(X =4} Soit p(X <4,5} = 0,1 0,3 +0,4 + 0,1 + 0,05 = 0,95. La probabilité pour que {X > 2} est : p(X >2} = l- p(X <2} p(X <2} = p{X=0} + p{X=1} =0,1 +0,3=04 Ainsi donc p{X > 2} = 1- 0,4 = 06. - p{2Sx <4,5} =p } + p{X =3} + p{X=4} = 0,4 +0,1 + 0,05 = 0,55 p{2 $x <4,5} = 0,55 On remarque que p{2

    You might also like